孟加拉语症状疾病预测：仅用训练集增强提升三类模型
热点事件持续更新
孟加拉语症状疾病预测：仅用训练集增强提升三类模型
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Sabah Nushra 等作者提交论文，在含 725 个独特档案、85 种疾病和 172 个二值症状的孟加拉语症状疾病预测基准上，测试仅用训练集的不对称 Bernoulli 扰动增强。结果显示，XGBoost、LightGBM 和 CatBoost 的准确率分别提升 18.10、28.45 和 10.09 个百分点。 但 Bernoulli Naive Bayes 的最高平均准确率 97.50% 在 Holm 校正后不显著，说明该提升并非对所有模型都成立。
AI 根据报道生成 · 54 分钟前更新
最新进展11月2日 13:00
孟加拉语症状疾病预测的泄漏控制结构保持增强与模板感知评估报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.CL孟加拉语症状疾病预测的泄漏控制结构保持增强与模板感知评估
研究在含 725 个独特档案、85 种疾病和 172 个二值症状的孟加拉语症状疾病预测基准上，测试仅用训练集的不对称 Bernoulli 扰动增强效果。XGBoost、LightGBM 和 CatBoost 分别提升 18.10、28.45 和 10.09 个百分点，而 Bernoulli Naive Bayes 的最高平均准确率 97.50% 在 Holm 校正后不显著。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。